Relay — Autonomous workday repair

你好，Product Hunt！👋

我是 Suyash，Relay 背后的独立开发者。

我在一次 AI 黑客松上构建了 Relay，因为我想要弄清楚真正的自主智能体与其他 LLM 驱动的套壳应用究竟有何区别。

大多数日程助手接收类似“调整我的一天”这样的请求，然后返回一份新生成的日程表。整个过程的关键工作在幕后完成，用户完全无法判断模型是否真正遵循了实际约束，还是仅仅生成了一份看起来合理的方案。

Relay 采用了不同的思路。

模型无法直接修改日程表，一次只能选择一个确定性工具，例如：查看当天日程、寻找可用时段、移动任务、拆分工作、插入休息，或将某项事务延后。

每个工具都可能成功或失败。当某个操作被拒绝时，Relay 会保持日程表原封不动，记录观察结果，并要求智能体改变策略。最终的工作日是否有效，由一个独立于模型的确定性验证器来决定，而非由模型本身判断。

我还把整个过程完全透明化，包括：

• 日程检查

• 工具调用与结构化输出

• 被拒绝的操作

• 策略变更与重试

• 修改前后的对比结果

• 最终的确定性验证

• 无需再次调用 AI 的逐步回放

你无需注册账号即可体验内置的“超负荷一天”示例，也可以自行构建日程，或以只读模式从 Google Calendar 导入某一天的日程。

Relay 最初只是一个黑客松项目，但它逐渐演变为对更大问题的探索：

当模型负责决策，而确定性软件仍负责执行与正确性时，我们究竟应当如何设计 AI 产品？

我非常期待你真诚的反馈——尤其是关于可见的智能体体验、日程决策，以及这种设计是否让自主智能体架构更易于理解。

感谢你了解 Relay！💜